シラバス表示
シラバスの詳細な内容を表示します。
→ 閉じる（シラバスの一覧にもどる）
科目の基本情報
| 開講年度 | 2021 年度 | |
|---|---|---|
| 開講区分 | 教養教育・教養統合科目・現代科学理解 | |
| 受講対象学生 |
学部(学士課程) : 1年次, 2年次, 3年次, 4年次, 5年次, 6年次 |
|
| 授業科目名 | 現代科学理解特殊講義 | |
| げんだいかがくとくしゅこうぎ | ||
| Lecture Course in Understanding Modern Sciences | ||
| 授業テーマ | データサイエンスAI | |
| 単位数 | 2 単位 | |
| ナンバリングコード | libr-comp-SLEC1311-005
|
|
| 開放科目 | 非開放科目 | |
| 分野 | 自然 （2014年度（平成26年度）以前入学生対象） | |
| 開講学期 |
後期 |
|
| 開講時間 |
月曜日 9, 10時限 |
|
| 授業形態 |
ハイブリッド授業 * 状況により変更される可能性があるので定期的に確認して下さい
「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業 |
|
| 開講場所 | 第４教室（端末室）（総合研究棟２の１F） | |
| 担当教員 | 森本尚之、杉浦 徳宏、堀川 慎一、末原憲一郎 | |
| MORIMOTO Naoyuki, SUGIURA Tokuhiro, HORIKAWA, SUEHARA Ken-ichiro | ||
| SDGsの目標 |
|
|
| 連絡事項 | 修正申告による受講希望も大歓迎です。第１回目講義に参加していない場合でもビデオ視聴できます。 授業は第4教室（端末室）：総合研究棟２の１階、学生支援チームの窓口がある建物）にて行います。 時間割表には1号館303と書いてありますが、そこは登校日以外の方で登校の必要がある方のためのオンライン受講場所として使用します。 [重要]受講要件に情報系科目とありますが、工学部以外の1年生は「データサイエンスⅠ」、2年次以上は「情報科学基礎」などを1年前期受講していればOKです。工学部の方も何らかの情報系科目を履修していると思われますのでOKです。 * 状況により変更される可能性があるので定期的に確認して下さい |
|
学修の目的と方法
| 授業の概要 | 近年、人工知能（AI）という言葉をよく耳にする。AIに関連した技術の進歩は、わたしたちの暮らしを便利にする一方で、AIに仕事を奪われるかもしれないなど、新たな社会問題となってきている。そもそも、AIとは何でしょうか。本講義では、まず初めにAIとそれを支える技術（データ収集・解析、機械学習など）との関係を整理し、マーケティング、企業分析、品質管理、生命科学、金融、保険、製造業などの分野でAIが社会でどのように活用されているかを学ぶ。つぎに、AIを理解するために必要なデータサイエンスの基礎（データを収集して読み、説明し、適切に扱う）を学ぶことで、現在、AIが得意としている画像認識と音声認識（類似画像検索やキノコの種類を教えてくれる、自動翻訳や音声検索アプリに応用されている）を例に、実際にデータがどのようにして扱われているのかを理解する。 |
|---|---|
| 学修の目的 | 今後のデジタル社会において、データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を身に付けること。そして、学修したデータサイエンス・AIに関する知識をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志でAI等の恩恵を享受し、これらを説明し、活用できるようになることを目的とする。 学生が、急速に発展しグローバル化するAIを中心としたデジタル化社会において発生すると思われる科学的問題に関心を持ち、それらについて合理的・科学的に考える力を身に着けることができる。また、AIの普及に伴う社会構造の変化に対応するための対応策を考えることができるようになる。 |
| 学修の到達目標 | データサイエンスⅠで学んだデータリテラシーに基づいて収集・整理した情報に対して、これらを適切に読み、説明し、扱うための基礎知識を得る。また、データサイエンス・AIが実社会で活用されている事例を通して、AIとそれに関連する技術の概要が理解できる。 |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 最終レポート４０％、講義・ビデオ内容の理解度６０％ 授業・ビデオ内少テスト/小課題・レポートおよび最終レポートによる総合評価 |
| 授業の方法 | 講義 演習 |
| 授業の特徴 | |
| 授業改善の工夫 | ビデオ教材の活用 |
| 教科書 | 未定 |
| 参考書 | |
| オフィスアワー | 末原：火曜日16:30～17:30（第３火曜日は不在：水曜10:30~12:00） |
| 受講要件 | データサイエンスⅠ、情報科学基礎などの情報系科目を履修していること（工学部を除く）。 |
| 予め履修が望ましい科目 | 情報系基礎教育科目（データサイエンスⅠ、情報科学基礎、情報科学基礎A、プログラミング言語Ⅰなど） |
| 発展科目 | データサイエンスPBL（開設予定） |
| その他 | 本講義は、令和4年度から本格的に運用されるデータサイエンス領域の講義（データサイエンスⅡ）の試行的な内容を含みます。 |
授業計画
| MoodleのコースURL |
|---|
| キーワード | データサイエンス、人工知能（AI）、デジタル化社会 |
|---|---|
| Key Word(s) | Data Science、Artificial Intelligence (AI)、Digital Society |
| 学修内容 | 第1回 社会で起きている変化、活用されているデータ AIとそれに関連した技術との関係を整理し、現代社会においてデータがどのように活用されているかを紹介します。 第2回 データ・AI利活用の最新動向～活用領域・現場・技術 企業分析、品質管理、生命科学、およびマーケティングにおけるデータサイエンス・AIの活用事例を紹介します。 第3回 データを読む１（AI利活用のためのデータ処理） データの入手・分析・管理方法を学びます。また、製造業・保険・金融分野での活用事例について紹介します。 第4回 データを読む２ 集団の特徴を統計的な数値として捉えるための手法を学びます。 第5回 データを読む３ ２つの集団の関係性を数値化する方法（相関係数）について学びます。 第6回 データを読む４ 集団の特徴を数値で表現するための実習（エクセルまたはR/Python）を行います。 第7回 データを説明する１ 集団の特徴を捉えるためのグラフ作成法（作図）とその適切な示し方を学び、不適切だと思われる図の表現について考えます。 第8回 データを説明する２ 図を用いて集団の特徴を説明する方法を演習形式で学びます。 第9回 データを説明する３ ２つまたは３つ以上の集団の関係性（単回帰、重回帰など）について学びます。 第10回 データを説明する４ 回帰式を用いて集団の特徴を説明する方法を演習形式で学びます。 第11回 データを扱う１ EXCELやスプレッドシートを用いたデータ処理について学びます。 第12回 データを扱う２ 収集したデータを扱う際の注意点（倫理面と社会的合意形成など）について学びます。 第13回 データを扱う３（画像の特徴を把握し分類する） AIの先進的分野のひとつである画像認識（画像検索やキノコの種類を判別するアプリに応用されている）に用いられているデータの取り扱いについて学びます。 第14回 データを扱う４（音声の特徴を把握し利用する） AIの先進的分野のひとつである音声認識（自動翻訳アプリに応用されている）に用いられているデータの取り扱いについて学びます。 第15回 データを扱う５（総括） 講義の総括とグループディスカッションを行います。 |
| 事前・事後学修の内容 | 事前学修として学修内容に関連したビデオ教材の視聴、授業のあとには理解度チェックのための小テスト、小課題、または小レポート（どれか一つ、または２つ）が事後学習として用意されています。1本あたりのビデオの時間はそれほど長いものではありませんが、予習、復習（小テスト、小課題、または小レポート）をやるにあたり、授業中や授業の前後を含め、関連する複数のビデオを繰り返し視聴し、図書館やWebを活用した調査・資料作成などを行うことが想定されます。 |
| 事前学修の時間:90分/回 事後学修の時間:150分/回 |